學習趨勢｜學習趨勢、職場技能、證照與工作洞察

做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。文／《104職場力》整理本文目錄（點擊可快速前往）新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？ 104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。如何選題：第一個AI專案，不要挑最大的問題首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題：高頻：經常或定期發生。重複：大量步驟相同，人工反覆複製、整理或確認。可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。讓AI進入工作流程：3個案例看人與AI重新分工案例1：客服案件量大，進度仍靠Excel管理把Excel搬上網頁只是表面，真正的改變是工作方式某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了：所有案件集中處理，減少在不同資訊之間來回切換網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋可依案件屬性、時間與處理狀態等條件搜尋及排序優先顯示當天必須處理案件，急件也能調整優先序主管可直接查看處理量及相關數據，省去另行整理【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作）這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。案例2：開發名單持續增加，需在多份Excel不斷切換從「整理排序」到「開發優先順序建議」另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作）這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時 Power Automate與AI接力分類處理公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作）共通點：沒有預設解法、讓AI從工具變營運夥伴 3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。非技術職如何和AI協作？把AI當「第一天上班的聰明新人」「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。因此盤點型提示詞可以包含5類資訊：背景現況（Existing）：工作現狀、流程如何運作規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式佐證資料（Evidence）：實際工作檔案、畫面與案例說明問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP 明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。 AI「專業新人」交辦模板想請AI先協助盤點問題，可以使用以下格式：我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。實作心得1：一次只加一個功能，做完立刻驗證直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。實作心得2：AI說「很簡單」，不代表真能做出來 AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。實作心得3：把專案知識建立在MD檔每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。實作心得4：文字講不清楚，就截圖給AI看李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。從問題到落地：非技術職也能採用的7步驟想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟： Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。 Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。 Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。 Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。 Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。 Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。 Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。從最想解決的問題開始，打造你的AI營運團隊而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。測你的AI素養 AI代理大爆發！專家：7件「無聊工作」最適合外包給AI 哪些工作適合外包給AI？AI專家指出，AI代理能在你離開電腦後繼續工作，最適合接手那些無聊到不行的瑣事。推薦7件可以外包給AI的工作，從整理信箱、盯價格到每日簡報，並附上可直接套用的提示詞。自主創新簡立峰喊AI新經濟時代來臨 Google前台灣董事總經理簡立峰表示，「ＡＩ新經濟」時代已來臨，ＡＩ已能自主創新，並改變部分產業的核心競爭力；尤其生技及材料產業、以及電路與晶片設計產業，正面臨這樣的典範轉移。ＡＩ也將大幅改寫企業運作型態，未來甚至將迎接「ＡＩ原生企業」。 ChatGPT聊天紀錄不怕偷看！新功能一鍵鎖定、隱藏忘記密碼有慘痛代價借手機給別人，怕ChatGPT聊天紀錄被偷看？OpenAI推出Locked Chats鎖定聊天功能，可用4位數PIN碼或Face ID替特定對話上鎖、隱藏；但忘記PIN碼重設時，已鎖定的聊天會全被刪除。 AI代理工時達人的6倍，注意力成瓶頸！從Anthropic內部研究看3個協作提醒 AI交出成果的速度愈來愈快，你卻忙著確認方向、檢查內容、回覆下一步？開發Claude的Anthropic研究自家員工後發現，AI代理執行時數達員工工時的6倍，人的注意力反而成為產出瓶頸。《104職場力》延伸整理3個提醒，帶你重新安排與AI協作的方式。 Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工一個任務想同時檢查安全性、效能和測試，只能一件一件問AI？本文說明Subagent（子代理）的分工模式，帶你用一個Markdown檔建立第一個官方Subagent，再用一張表判斷什麼任務適合多Agent協作。本文節錄自《Claude Code全攻略》。

你想過嗎？AI對職場最大的威脅其實並非普遍認為的「工作被取代」，而是你的「職場技能來不及更新」。根據外媒調查報導，有高達85%的員工無法將AI訓練的內容實際應用於工作。若回頭看向台灣企業，這個警訊特別重要：中小企業占比高、人資編制精簡、教育訓練預算有限，若不正視「技能情報落差」，極有可能最終讓公司的競爭力在AI轉型的賽局中被慢慢拖垮，而工作者也必須警覺，當代職場「AI技能」已非加分題，而是必備的職場技能！文／《104職場力》本文導覽為什麼「技能過期」比「工作消失」更值得緊張為什麼企業明明在推動AI應用，卻不容易成功？多數企業不知道自家公司內的「AI技能庫」AI並沒有舒緩問題，是讓問題更被突顯擺錯重點：更多的訓練、不如廣建更多基礎設施為何台灣職場現況，更該留意這個警訊？中小企業占多數、教育訓練資源天生吃緊教育訓練預算，常被視為「先砍項目」大量導入AI工具，但職務內容卻停滯不前人才市場對「AI應用能力」的要求正快速升高台灣企業與HR部門可以做的四件事第一步：先做內部「技能盤點」、而不是急著加開課程第二步：把「AI學習」嵌進實際工作任務中第三步：將「AI應用能力」寫進職位說明與績效考核當中第四步：善有既有的訓練資源與補助管道給工作者的提醒：別坐等公司安排，要主動追蹤自己的「技能保鮮期」 AI浪潮衝擊職場後，不少知名科技公司的CEO都高聲警告「人工智慧恐怕會衝擊就業市場」，但目前看來，真正的問題似乎不是「工作機會減少」，更迫切的危機可能是「職場技能的快速過時」。隨著國內外的大企業都大量部署人工智慧工具，許多企業已經開始發現「員工的AI技能和使用頻率跟不上」，真正需要應對的風險恐怕是：職位的快速發展和需求技能，已經遠遠超出現有員工的能力範圍。就業市場很難找到「快速精通新技能的人才」、現有員工成長有限，於是「技能過期」的危機浮上了檯面。 💡 30 秒看懂本文關鍵：危機轉向：AI浪潮下真正的威脅不是「失業」，而是員工手上的「技能過期速度」遠超企業想像。培訓斷層：85%員工無法將AI培訓落實於日常工作，盲目加開課程不如建立「技能基礎設施」。台灣警訊：中小企業資源吃緊、HR常兼任訓練，若不改寫職務說明與考核，更容易被技能落差拖垮。延伸閱讀：不再只看影片！AI如何顛覆企業培訓？「圍繞AI設計學習體驗」成2026職場新顯學為什麼「技能過期」比「工作消失」更值得緊張過去兩三年，關於AI衝擊職場的討論幾乎都圍繞在同一個問題：「AI會不會讓我失業？」但根據《Fobes》在日前所刊出的專欄文章中指出：這個提問可能問錯了方向。文中提及，以美國的職場現象來觀察，多數企業並非突然大砍職位，而是陷入一種更隱性、更難察覺的困境：組織內部完全不清楚員工目前實際具備哪些技能，而AI工具導入的速度，又遠遠超過員工建立起相對應熟練度的速度。換句話說，不是「沒有工作可做」，而是「員工手上的技能組合，跟不上工作內容變化的速度」。根據BCG（波士頓顧問集團）在2025年的人工智慧研究報告指出，在大量投入AI工具與系統的企業中，只有大約5%真正實現了顯著的財務效益，而絕大多數企業砸錢導入AI，換來的卻是效益停滯不前，問題往往不是出在工具，而是企業內的「人」跟不上工具。以Docebo公司所執行的另一項針對2000位工作者的調查《AI Readiness Gap Report 2026》，報告中更揭露兩個令人警醒的數字： 85%的員工表示，自己無法將AI相關培訓內容實際應用到日常工作上 78%的員工表示，多數的學習仍然發生在企業正式提供的工具與系統之外若將這兩組數字組合，《Fobes》的報導中勾勒出一個清晰的畫面：企業辦了訓練課程，員工也去上了課，但這些「學習」與員工每天實際要處理的工作之間，存在一道看不見的斷層。培訓變成了「做完就結案」的形式，而非真正嵌入工作流程的能力建構。學習做了、AI用了，但跟實際的日常工作還是無法結合。為什麼企業明明在推動AI應用，卻不容易成功？多數企業不知道自家公司內的「AI技能庫」台灣多數企業的HR系統、績效考核紀錄，往往記錄的是員工的職稱與年資，而不是員工實際具備的能力細節。因此當管理層被問到：「我們團隊裡誰真正懂得如何使用生成式AI優化流程」時，其實很多主管是完全答不上來、只能憑感覺和印象說出個大概，原因在於多數公司至今仍未建立即時、顆粒度夠細的「技能檔案系統」來登載員工的職場技能、AI應用成果等等。 AI並沒有舒緩問題，是讓問題更被突顯《Fobes》的報導原文當中針對這個現象提出非常犀利的評論。多數人認為「有了AI工具、應該能更有效率的處理事情」，包括自動化流程、處理瑣事，理所當然應該讓「企業員工多了更多時間去補上技能落差」對吧？但實際的職場觀察恰恰相反：由於AI工具更新迭代的速度極快，新功能、新工作流程幾乎是以月為單位在變化，這代表員工技能「過期」的速度也隨之加快。很多企業還用著過去的步調，如每半年、一年一度檢核一次員工的技能、教育訓練規劃，這樣的節奏對於改變現狀於事無補，往往回過頭來才驚覺：「我們竟然已經落後世界這麼多了？！」擺錯重點：更多的訓練、不如廣建更多基礎設施報導指出，如果企業把AI人才培育當成一份「只要按表操課、完成清單即可」的行事曆，例如：安排幾堂線上課、辦幾場工作坊，然後打勾結案，將完全無法解決問題。企業真正該做的是讓「AI技能融入日常執行的工作」，方向包括：建立能即時掌握員工能力現況的技能情報系統。把學習內嵌進日常工作流程中（而不是額外抽時間去上課）。將技能發展寫進職位說明與績效面談之中。系統性地為員工保留專門用於能力建構的時間。千萬不要仰賴員工「有空再自行學習」。【推薦課程】別再談AI素養了！HR必修的AI實戰演練線上【104 talks】別再談AI素養了！HR必修的AI實戰演練 954人感興趣了解課程＞為何台灣職場現況，更該留意這個警訊？如果把《Fobes》觀察到的「AI現況」投射回當前的台灣職場，會發現因為我們的產業特性、企業屬性，導致出現幾個結構性因素讓「技能過期危機」，在台灣可能比許多歐美大型企業更容易被放大。中小企業占多數、教育訓練資源天生吃緊由於台灣企業直至今日，仍有不少中小企業，多數公司不但沒有專職的學習發展（L&D）團隊，教育訓練多半是直接由負責招募的HR來身兼數職處理，頂多在當年度舉辦幾場零散、外包給外部團隊的研習、講座課程。因此，當國外媒體在大聲疾呼「企業應該建立系統性的AI技能基礎設施」時，對資源有限的台灣中小企業來說，聽起來就像是天方夜譚、是遙不可及、只有大型、跨國企業有資本、有人力才玩得起的遊戲。但這正是我們更應該正視問題的地方：當企業規模越小、越缺乏正式訓練體系，員工技能與工作需求之間產生的落差更大，最後容易在毫無自覺的情況下惡化，直到某個專案失敗或客戶流失時才驚覺不妙。教育訓練預算，常被視為「先砍項目」中小企業在營運時，當景氣波動或成本壓力上升時，「教育訓練預算」往往是最優先被縮減的項目之一，理由是「這不是可立即產生營收的支出」，甚至會有「為何要花資源培養可能不會持續追隨公司的人」這種激進想法。但若「技能落差才是拖累AI投資報酬率的真正瓶頸」，一旦我們從未開始投注培育、養成的教育預算，其實是在殺雞取卵、犧牲本來「AI工具」可能能為公司創造的效益成果，形同「本末倒置」的成本控管邏輯。大量導入AI工具，但職務內容卻停滯不前根據104人力銀行所發表的最新《2026員工C.E.O.調查報告》指出，有68%的在職者曾在工作中使用生成式AI，比起前一年已成長了15個百分點。我們也同時發現不少台灣企業在近一兩年積极導入AI工具處理行銷文案、客服應答、資料分析、招募篩選履歷等工作。但AI工具導入，在職務工作內容、績效考核指標、甚至教育訓練規劃，多數都還是停留在AI導入前的版本。這正好呼應《Fobes》文章中所提及的「企業不知道員工實際具備哪些技能」的核心觀察。當工具已經換了，但衡量與培養員工能力的方式沒有跟著換，你不知道員工有何技能、遑論要如何應用。人才市場對「AI應用能力」的要求正快速升高從人力資源與招募的第一線觀察可以感受到，當前已經越來越多職缺直接在條件欄位中明確要求「熟悉AI工具應用」、「具備AI協作經驗」，但企業內部既有員工是否真的具備、或者能否被有效培養出這些能力，多半是一個問號。這也讓「技能過期」不只是個人職涯風險，更直接牽動企業在人才市場上的競爭力與招募效率。用AI+Google Sheet建立自動化工具，提升工作效率線上限定優惠用AI+Google Sheet建立自動化工具，提升工作效率｜104獨家AI課程 181541人感興趣了解課程＞台灣企業與HR部門可以做的四件事在《104職場力》此前的專文中曾提及，國際大廠目前積極針對「AI技能」的培訓轉型，企業當前如果要做出調整，務必得從「制度」和「工具」雙管齊下改進。參考《Fobes》原文所提出的解決和調整方式，我們試著依照台灣企業的實際條件與狀況，整理出以下不需要龐大預算就能啟動的具體做法，歡迎參考利用：第一步：先做內部「技能盤點」、而不是急著加開課程在投入任何新的訓練資源之前，HR部門可以先透過簡單的問卷、部門主管訪談、或既有的績效面談機制，盤點公司內部目前「用得上、卻相對缺乏」、「實際上一定會用到」的AI相關能力。 💡 這一步的重點在於不追求馬上開課、打造系統，而是先讓全公司明白：「我們的團隊現在到底會什麼、不會什麼」，不再只是憑印象假設。第二步：把「AI學習」嵌進實際工作任務中與其安排員工另外抽出工作時間去上一堂獨立的「AI課程」，期望他們在2-3小時的課程中「掌握技巧、馬上就會」，更直接而有效的做法其實是「直接在既有工作任務中示範、共同操作、並提供即時回饋」。例如讓熟悉AI工具的同仁直接以「導師制」或「共同作業」的模式，帶領同事在實際的工作任務中學會使用。 💡 這種做法特別適合資源有限、無法另外編列大筆訓練預算的中小企業。第三步：將「AI應用能力」寫進職位說明與績效考核當中很多企業的職務說明已多年未更新（說明該職務應具備哪些技能），每年的績效面談也還在討論過時、傳統的工作產出指標。HR可主動與各部門主管合作，把當前「是否能有效運用AI工具完成本職工作」納入職位說明的更新與定期績效考核對談話中，讓AI能力從「額外加分項」變成「工作的一部分」。 💡 AI能力不是「加分項」，要漸漸朝「必備項目」調整。第四步：善有既有的訓練資源與補助管道相較於從零建置一套龐大的內部學習系統，企業也可優先盤點現有的公部門訓練資源與補助方案（例如各類產業數位轉型、人才培育相關計畫），或是善用外部學習平台與企業內部「技能盤點的結果」對接，將有限的預算，精準投入在真正有落差、又能幫助公司成長的能力項目上，而不是一體適用地安排所有人都去上同一套課程。 💡 資源花在刀口上，請慎選「真正能夠幫助公司營運」的項目投注資源，而不是跟風追流行。傳統觀念（舊思維）2026實戰解方（新解法）全公司一體適用報名AI工作坊先做內部「技能盤點」，搞懂大家不會什麼期望員工利用「空餘時間」線上上課將「AI學習」直接嵌入日常工作任務並建立導師制將AI視為履歷上的「加分項目」視為「職務必備技能」並列入與定期績效考核指標 HR x AI 數位力｜多元AI智能化招募任用全攻略線上限定優惠 HR x AI 數位力｜多元AI智能化招募任用全攻略｜104獨家人資線上課 80436人感興趣了解課程＞給工作者的提醒：別坐等公司安排，要主動追蹤自己的「技能保鮮期」儘管《Fobes》的原文主要是從企業管理的角度出發，但是當前的職場其實不容任何工作者輕忽「職場技能過期」這個議題。身為工作者，處於當前的職場技能重新大洗牌時，與其被動等待公司安排訓練、學習新技能，更務實且主動的做法，應該是直接盤點自己在「目前工作內容」中，哪些部分已經可以、或即將可以透過AI工具大幅提升效率,並且優先在這些領域累積實際操作經驗，並且直接在實務上嘗試應用。千萬不要只讓自己僅止於「使用過」、「碰過AI」，或是上過幾堂概念性的AI課程，就認為自己已經「接觸過AI、會用AI工具」，但卻從未真正應用在日常工作產出上。不論是公司營運或是個人職場管理，「職場技能是否過期」，最終還是要回到「能不能實際用得出來」這個檢驗標準。 104 AI通用素養檢測｜104獨家AI測驗認證總而言之，《Fobes》這篇專文對台灣不論是企業還是工作者，都是敲響一記警鐘：AI時代真正該擔心的，或許不是某一天工作被AI取代，而是我們的職場技能在不知不覺中悄悄「過期」。千萬不要等到自己發現AI能力不足、或發現自己已經漸漸無法掌握市場上的主流技能、面臨「被市場淘汰」時，才驚覺大事嚴重，但問題累積已久、難在一時半刻獲得解決，徒增職場遺憾。每個工作者或許都該自問：你真正掌握的AI相關技能，到底是什麼？本文參考《Forbes》相關報導，經整理改寫。 AI代理大爆發！專家：7件「無聊工作」最適合外包給AI 哪些工作適合外包給AI？AI專家指出，AI代理能在你離開電腦後繼續工作，最適合接手那些無聊到不行的瑣事。推薦7件可以外包給AI的工作，從整理信箱、盯價格到每日簡報，並附上可直接套用的提示詞。自主創新簡立峰喊AI新經濟時代來臨 Google前台灣董事總經理簡立峰表示，「ＡＩ新經濟」時代已來臨，ＡＩ已能自主創新，並改變部分產業的核心競爭力；尤其生技及材料產業、以及電路與晶片設計產業，正面臨這樣的典範轉移。ＡＩ也將大幅改寫企業運作型態，未來甚至將迎接「ＡＩ原生企業」。 ChatGPT聊天紀錄不怕偷看！新功能一鍵鎖定、隱藏忘記密碼有慘痛代價借手機給別人，怕ChatGPT聊天紀錄被偷看？OpenAI推出Locked Chats鎖定聊天功能，可用4位數PIN碼或Face ID替特定對話上鎖、隱藏；但忘記PIN碼重設時，已鎖定的聊天會全被刪除。 AI代理工時達人的6倍，注意力成瓶頸！從Anthropic內部研究看3個協作提醒 AI交出成果的速度愈來愈快，你卻忙著確認方向、檢查內容、回覆下一步？開發Claude的Anthropic研究自家員工後發現，AI代理執行時數達員工工時的6倍，人的注意力反而成為產出瓶頸。《104職場力》延伸整理3個提醒，帶你重新安排與AI協作的方式。 Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工一個任務想同時檢查安全性、效能和測試，只能一件一件問AI？本文說明Subagent（子代理）的分工模式，帶你用一個Markdown檔建立第一個官方Subagent，再用一張表判斷什麼任務適合多Agent協作。本文節錄自《Claude Code全攻略》。

學習趨勢

跨校跨域學AI正式頒發TAICA首批學程學分證明　63校共享AI教學資源　落實未來人才培育AI能力

工作導入AI，卻常常做一半沒下文？104資深協理：別先想「AI能做什麼」

「LINE編輯訊息」新功能上線！開啟方式、使用期限、常見問題QA懶人包！

ChatGPT也開始「管」孩子怎麼用AI？青少年版上線：防沉迷、防抄作業！

招募天數少了 15 天，留任率卻掉了 4 個百分點——你的產業，卡在哪一種「找不對」？

AI害你被裁員？104資深協理：學會用AI開外掛，未來是你挑公司

AI代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力

85%員工上完課卻不會用！AI時代真正的危機不是失業，而是你的「技能已過期」

安靜離職退潮？當AI滲透率達68%，上班族在焦慮什麼？│2026員工C.E.O.報告

AI真的改變了生活？Google報告解密1,500萬筆Gemini對話真相！